XTX Markets는 현재 ML로 53,000개 이상의 주식·채권·FX·원자재·암호자산 가격을 예측하고, 그 예측을 거래소·대체거래소 매매와 고객 유동성 공급에 사용한다고 공식적으로 밝힌다. 공개 인프라는 25,000개 이상의 GPU와 1EB 이상의 usable storage 규모다.
XTY Labs는 XTX 내부의 별도 ML 연구조직으로, 현재 공식 careers 페이지에서 AI 연구 역할을 운영하고 있다. XTX는 quant 연구 조직이 대규모 noisy financial data에서 ML을 사용해 가격 예측를 생산하고, 빠른 피드백 loop를 통해 지속적으로 모델을 개선한다고 설명한다.
즉 새로운 Transformer나 diffusion architecture가 흥미롭다는 이유만으로 쓰는 것이 아니라 현재 production model을 실제로 얼마나 개선하는가가 최종 기준이 된다. 구체적인 모델·알파 전략은 공개되지 않았다.
편집 전 브리핑 원문 펼치기
구분: 회사 공식 채용·연구자료
XTY Labs 설립: 2024년 / 현재 AI Research 프로그램 운영 확인
원문 링크: https://www.xtxmarkets.com/careers/
XTX 공식 회사 페이지: https://www.xtxmarkets.com/
공개적으로 확인된 사실
XTX Markets는 현재 ML로 53,000개 이상의 주식·채권·FX·원자재·암호자산 가격을 예측하고, 그 예측을 거래소·대체거래소 매매와 고객 유동성 공급에 사용한다고 공식적으로 밝힌다. 공개 인프라는 25,000개 이상의 GPU와 1EB 이상의 usable storage 규모다.
XTY Labs는 XTX 내부의 별도 ML 연구조직으로, 현재 공식 careers 페이지에서 AI research 역할을 운영하고 있다. XTX는 quant research 조직이 대규모 noisy financial data에서 ML을 사용해 가격 forecast를 생산하고, 빠른 feedback loop를 통해 지속적으로 모델을 개선한다고 설명한다.
수익 메커니즘 — 추론
앞서 XTX에서 봤던 중요한 구조가 ML fair value → liquidity/risk warehousing이었다면, XTY Labs에서 추가로 봐야 할 부분은 research frontier 자체를 production edge로 바꾸는 속도다.
경제적 구조는:
새 ML technique
→ 금융데이터 OOS 검증
→ 기존 model 대비 incremental edge
→ production deployment
→ 더 좋은 forecast
→ 더 좋은 pricing / risk decision
으로 볼 수 있다.
즉 새로운 Transformer나 diffusion architecture가 흥미롭다는 이유만으로 쓰는 것이 아니라 현재 production model을 실제로 얼마나 개선하는가가 최종 기준이 된다. 구체적인 모델·알파 전략은 공개되지 않았다.
한국 채권시장에 복제한다면
내부 연구에도 Champion–Challenger 구조를 권한다.
현재 production model을 Champion으로 고정하고 새로운 모델은 항상:
동일 데이터
동일 OOS 기간
동일 거래비용
동일 DV01
동일 execution assumption
에서 경쟁시킨다.
그리고 challenger가 단순 RMSE가 아니라
- net P&L
- tail loss
- mark-out
- turnover
- latency
를 의미 있게 개선할 때만 production으로 승격한다.
이 구조가 있으면 새로운 AI 논문이 매주 나와도 **“신기해서 도입”하는 것이 아니라 “돈이 돼서 승격”**할 수 있다.
복제 난이도: ★★★★☆
복제 가치: ★★★★★